基于Kanade-Lucas-Tomasi 算法的人脸特征点跟踪方法

与传统的在人面部画上标识点的特征点跟踪方法不同，KLT(Kanade-Lucas-Tclmasi)算法可以从未加标识点的正面人像视频系列中通过特征纹理信息直接获取面部某些特征点的位移，在KLT算法中加入了基于人脸统计信息的经验约束，使KLT算法更加合理有效。     

基于mean-shift算法的人脸实时跟踪方法*

复杂环境下实时人脸跟踪方法在视觉监控系统中具有很重要的意义,但目前的跟踪算法普遍存在目标遮挡、尺寸变化等过于敏感的不足,限制了其应用范围。提出了一种人脸检测、mean-shift算法与卡尔曼滤波器相结合的实时全自动人脸跟踪算法。实验结果表明该算法实时性很强,可以实现对运动人脸的快速跟踪,同时对目标遮挡也有很好的鲁棒性。     

基于mean-shift算法的人脸实时跟踪方法*

复杂环境下实时人脸跟踪方法在视觉监控系统中具有很重要的意义,但目前的跟踪算法普遍存在目标遮挡、尺寸变化等过于敏感的不足,限制了其应用范围。提出了一种人脸检测、mean-shift算法与卡尔曼滤波器相结合的实时全自动人脸跟踪算法。实验结果表明该算法实时性很强,可以实现对运动人脸的快速跟踪,同时对目标遮挡也有很好的鲁棒性。     

智能监控系统中自适应人脸检测跟踪算法改进

针对传统人脸检测跟踪算法在复杂环境中准确率不高,以及在跟踪过程中易受到周围相似色物体干扰、遮挡丢失等问题,提出了一种改进型自适应人脸检测跟踪算法.该算法通过人脸检测(Adaboost)与主动形状建模(ASM)算法相结合,降低了复杂环境中的人脸误检率;通过对运动目标跟踪(Camshift)算法提取H-S二维颜色概率直方图,并结合Kalman滤波器有效解决了相似色干扰及遮挡丢失问题.实验证明,改进型算法不仅在复杂环境中人脸检测率高、抗干扰能力强,且满足实时性的需求,是一种建立实时智能监控系统的实用方法.     

一种改进的Condensation人脸特征点跟踪算法

Condensation跟踪算法只能完成一些简单的目标跟踪。由于人脸容易出现被遮挡,姿态和表情也经常发生变化,导致人脸特征点极易跟踪失败。针对这些复杂变化,提出一种改进的Condensation人脸特征点跟踪算法。该算法对跟踪的特征点利用增量PCA方法实现特征基和均值的在线更新,同时,加入一个遗忘因子,使得在新样本的更新过程中,考虑了旧样本的存在,更新了均值。实验证明,该算法可以有效地克服复杂变化带来的影响,实现了人脸特征点的准确跟踪。     

基于KLT和BFGS的人脸姿态估计

在对给定的人脸图像序列准确提取正面人脸特征点后,利用改进的KLT方法跟踪非正面人脸图像的特征点。根据人脸形状特性,使用人脸的多个特征点作为人脸模型。在近似估计人脸姿态后,以改进的BFGS算法精确估计3D人脸空间姿态。实验结果证明,该方法可以获得唯一的3D人脸空间姿态,相比同类方法有更好的姿态估计精确度。     

基于轨迹聚类的超市顾客运动跟踪

针对超市等复杂应用环境下的运动目标轨迹跟踪问题,将轨迹聚类运用于目标跟踪中,提出了一种超市顾客运动跟踪方法。该方法对Kanade-Lucas-Tomasi(KLT)算法提取并跟踪得到的特征点轨迹进行预处理,滤除背景和短时特征点以分离出运动目标所在区域的关键特征点;进而采用均值漂移(meanshift)算法进行轨迹聚类,解决了单帧静态特征点聚类时的目标遮挡问题;最后采用运动跟踪匹配算法对前后帧的特征点进行最优匹配,解决了目标出入视频区域以及具有复杂路线时的稳定跟踪问题,得到顾客的完整运动轨迹。实验结果表明,该方法能够在超市入口、生鲜区以及收银台等各种典型超市区域中完成顾客轨迹的运动跟踪,并对顾客部分遮挡、复杂运动轨迹以及异步运动等多种特殊情况具有较高的鲁棒性。     

一种机器人导航中自然路标的匹配与跟踪方法

提出了一种基于SIFT和KLT算法的自然路标匹配与跟踪方法。该方法利用SIFT算子提取图像中自然路标的特征点集作为模板,然后将机器人采集图像中的SIFT特征点集与模板特征点集进行匹配,获取二者之间仿射关系,并解算自然路标在视野中的位置,为机器人自定位提供参考信息。机器人在运行过程中,将KLT算法与SIFT算法相结合对成功匹配的自然路标进行跟踪,较好地解决了SIFT算法效率低下的问题。实验结果表明该方法对自然路标具有较好的匹配和跟踪效果。     

基于OpenCV的鼻尖特征点鼠标实时控制系统实现

针对当前基于视线跟踪或眼部特征的机器视觉鼠标控制系统在实际应用中对环境和条件适应性较差的问题,提出将鼻尖作为人脸局部特征点的实时人脸特征跟踪方法。采用一种带预测机制的改进Viola-Jones框架,在帧间使用Kalman滤波算法对下一帧特征点出现位置进行预测,明显提高了特征点跟踪效率。采用VS2012和OpenCV实现了基于该方法的鼠标指针控制系统。实验结果表明,所实现的鼠标控制系统跟踪处理速度相比传统方法提高了40%左右。同时该鼠标控制系统实时跟踪效果快速、稳定、平滑,具有良好的环境适用性和鲁棒性。     

基于SIFT特征匹配的CamShift运动目标跟踪算法

针对复杂背景下采用一般CamShift算法跟踪目标容易失败,提出将SIFT(Scale Invariant Feature Transform)特征点匹配融入到CamShift算法。该算法利用SIFT特征对尺度和方向无关特性实现连续图像序列的精准匹配,具有对尺度缩放、目标旋转以及亮度变化保持不变性的优点,不仅弥补了一般CamShift算法只以颜色为关键信息的不足,而且可将目标跟踪窗口形心和质心间的位移稳定在设定阈值内。最后通过对比性实验来验证该算法的有效性和稳定性。实验结果表明,该算法能够对复杂背景下的光照突变、缩放和旋转运动目标实现实时稳定跟踪。     

基于集成合并的文本特征提取方法

文本分类是在给定的分类体系下,根据文本的内容自动确定文本类别的过程.在文本分类中,特征的提取对于分类的结果相当重要.从特征提取这一阶段出发,提出了一个集成合并的特征提取方法,该方法主要集成多种特征提取方法并合并关系密切的特征,并利用支持向量机SVM(Support Vector Machine)分类的高准确率,能够求出全局最优方法等优点来对得到的特征向量进行分类评估.实验证明,此种特征提取能够降低分类时间和提高分类的准确率.     

一种新的图像不变特征研究

为了解决图像特征受灰度及几何畸变的影响，本文利用物理学相关概念对图像进行描述，定义了图像的质量，重心，转动惯量，提出了一种新的图像不变特征即归一化转动惯量（NMI）特征，对其不变性进行了分析，实验结果表明，图像的归一化转动惯量特征具有抗灰度及TRS不变性，且提取方法简单，易于实现。     

一种结合颜色和纹理特征的图像检索系统的实现

设计了一个并行提取颜色和纹理特征的图像检索系统,利用异种特征进行优势互补,提高了检索的灵活性和系统性.实验表明所用方法是有效的.     

基于基本笔画起收笔和笔压特征的手写汉字的计算机笔迹鉴定

以手写汉字的基本笔画为研究对象,提取笔画的起笔、收笔和笔压作为特征量,进行笔迹鉴定的研究.研究采用了10位书写者,每位书写者各书写70个汉字作为样本,提取4种基本笔画,进行笔迹鉴定的实验,实验取得了较为满意的鉴定率.本研究克服了以往笔迹鉴定中结体依存的不足,适用于所有的汉字.     

可调参数遗传算法的情感特征选择研究

将情感识别中的特征选择看成组合优化问题,从四种生理信号EMG、ECG、RSP、SC中抽取统计特征,将参数可调的遗传算法和K-近邻算法相结合尝试找出最能"代表"某一情感状态joy、anger、sadness、pleasure的最优情感特征组合模式.仿真表明,该方法是有效的.     

基于人体关键部位检测的敏感图像过滤方法

目前多数敏感图像过滤方法对皮肤裸露较多或类肤色区域较多的图像容易产生误检。为降低对这类图像的误检率,提出一种基于人体关键部位检测的敏感图像过滤方法。该方法提取肤色特征、表征局部对象外观和形状的HOG(Histograms of Orien-ted Gradient)特征、空间分布特征及描述区域灰度分布的Haar-like等特征,利用Adaboost学习算法,训练得到人体关键部位的分类器,通过此分类器实现敏感图像的过滤。实验表明,该方法能够准确地检测关键部位,可以有效地降低敏感图像的误检率。     

基于特征语义的变量设计

以前的变量设计技术用几何约束统一了不同尺寸的产品模型表示，但不能支持复杂的特征变异，本文引入特征语义几何元素及其约束实现了不同特征细节的统一表示，从而支持更广泛意义上的变量设计，文章论述了特征变异，设计过程，约束求解，系统分析与设计，以及原型系统研制中提出的新问题。     

基于SIFT排序的视觉跟踪算法

针对不稳定的关键点对以SIFT(Scale Invariant Feature Transform)为目标特征的视觉跟踪算法的影响,提出基于SIFT排序的视觉跟踪算法。为实现SIFT排序,提出空域稳定因子和时域稳定因子,并由此构成重要性权重,以表征各个特征点的重要程度。在SIFT排序的基础上,各个关键点按照重要性权重的不同参与跟踪,从而实现基于SIFT排序的视觉跟踪。该算法克服了不稳定的关键点对跟踪结果的影响,从而提高跟踪的准确性和鲁棒性。     

Creation of user-defined freeform feature from surface models based on characteristic curves

This paper proposes a novel method for the creation of user-defined freeform feature (UDFFF) from existing surface model. The developed methodology has four major steps: selecting the region of interest (ROI), obtaining the characteristic curves from the surface model, reconstructing the ROI surface, and parameterizing the UDFFF. To quickly create UDFFF on the ROI, the representation of freeform feature based on characteristic curves is proposed. First, the characteristic curves of ROI are obtained automatically or by a small amount of human–computer interaction. In particular, user can directly and easily draw the curves on surface to satisfy the designer's requirements. Second, from the set of characteristic curves that is obtained, freeform surface is reconstructed by a suitable surface generation method, e.g., sweeping, revolving, skinning, and filling. Finally, parameterization of the freeform feature is configured, which primarily involves establishing parameters and building the mappings between feature parameters and shape data. Moreover, according to the degrees of freedom, two types of parameterization of freeform features may be described: one (low degrees of freedom) can be accurately described by the characteristic curves and the other (high degrees of freedom) can be approximated with these curves. The proposed UDFFF creation method has been tested with examples based on the surface models. Experience with our prototype system indicates that it allows untrained users to create UDFFFs from the surface models.     

基于SIFT的说话人唇动识别

针对唇部特征提取维度过高以及对尺度空间敏感的问题,提出了一种基于尺度不变特征变换（SIFT）算法作特征提取来进行说话人身份认证的技术。首先,提出了一种简单的视频帧图片规整算法,将不同长度的唇动视频规整到同一的长度,提取出具有代表性的唇动图片;然后,提出一种在SIFT关键点的基础上,进行纹理和运动特征的提取算法,并经过主成分分析（PCA）算法的整合,最终得到具有代表性的唇动特征进行认证;最后,根据所得到的特征,提出了一种简单的分类算法。实验结果显示,和常见的局部二元模式（LBP）特征和方向梯度直方图（HOG）特征相比较,该特征提取算法的错误接受率（FAR）和错误拒绝率（FRR）表现更佳。说明整个说话人唇动特征识别算法是有效的,能够得到较为理想的结果。